掌上百科 - PDAWIKI

 找回密码
 免费注册

QQ登录

只需一步,快速开始

查看: 42186|回复: 414

[工具] ⚜【支持超大文件】Python MDX词典打包工具 2019-11-19更新

  [复制链接]
  • TA的每日心情
    奋斗
    2020-11-15 11:37
  • 签到天数: 249 天

    [LV.8]以坛为家I

    发表于 2019-10-9 03:46:36 | 显示全部楼层 |阅读模式
    本帖最后由 lgmcw 于 2020-11-19 22:31 编辑 ( D- N; X# N/ r+ d1 t# u& \9 A

    1 W) H8 f* [6 u# C这帖target的是硬核玩家,希望对有需要的人有所帮助。代码比较乱,拖了好久都懒得整理,正好朋友又找我需要,趁着一鼓作气整理出来就正好也贴在论坛里吧。我这里不跟进你那边的环境调试了,如果有运行错误自己修一下(python3可参考楼下的修改经验);不过还是鼓励回帖反馈。对我以后做新人友好版有帮助。. B. \1 M; k! e# e. m
    以后我会做一款带GUI的,针对小白玩家。  G, G7 x) P9 v( |5 ~% U
    7 G& x' z- v/ x. x
    入口文件,运行genMDX_ox4.py即可开始打包,附了一个牛津4的txt源码,我已经调试好,确保在我这里能工作,下载后可以直接运行用来测试程序。我的所有字典都是用这个程序打包,暂时没什么大问题。词条数最多我试过的简明英汉400多万词头;体积最大的OED,txt源码就有2.4G;这些打包都毫无压力。不过我这边还在用老古董python2.7;python3应该也能用,如果报错,可能需要自己debug一下。
    ' l* f( D  Y( p; AgenMDX_ox4.py is the entrance file you want to use in CMD/terminal. I've also enlcosed a OALD4_azure.txt for testing purpose.
    4 @$ `0 @, x$ `: v1 \0 J
    # y( ~/ }8 F7 j+ X5 a' E& i  _& Q5 P6 ]2 P" u: x

    4 w) q$ m: i, Z% L. c, y3 h% kWindows下运行举例(需安装python):
    1 a  y, X. k8 A$ s! N9 U
    , W8 a: T& G& ~3 H" e! v$ i2 p- r! f7 A1 U
    相较于原版我主要改了两个地方:. _: ^' v+ U! f; A7 M/ [- V
    1. 在代码里,以前一个字典的key只能对应唯一个value。而MDict完全支持多个相同词头对应多个意思。所以我改了代码,让一个字典的key可以对应多个value
    * Z# y) g  e- R2. 修改排序算法,原版是用的默认python排序,输出的文件在MDict简直不能查。GD勉强能查。
    . G8 E2 v5 d& t& V( t" I( X  E" J; C$ N/ W9 P' N4 m( y
    ; o4 g" D% F9 K' [$ O. w
      V7 O8 r/ h; u
    Python实现的txt转MDX代码:
    % X9 l1 |5 G( K- }- L3 @# M+ K; F  d) X/ H
    游客,如果您要查看本帖隐藏内容请回复
    欢迎提建议
    $ S& [& s6 E. H6 c" [: u⚜ 感兴趣可以看看我的其他字典,绝大部分都公开分享。
    + @  F7 R% S, V: i# p' c" u$ l
    " _8 Q3 S$ v& @4 `9 n: L, \9 c! L$ S1 L: z$ q' g' J' c5 ^6 ~

    ' j& Q5 S# R0 A% y; Y
    2 }$ E' I- f% s* k9 A9 N
    - Q% K$ j/ L% j4 N' V; E$ M% i( A; e9 A0 H1 k4 ?

    评分

    5

    查看全部评分

    本帖被以下淘专辑推荐:

    该用户从未签到

    发表于 2021-7-23 14:38:37 | 显示全部楼层
    python3.8.9调试成功!/ y) z0 V1 O: q9 I7 `- a* r
    0 O3 V7 d" m' }. a8 t: W6 G1 [
    做了如下修改:
    3 D) S3 U0 y+ o. {0 C$ T" q4 F( s/ Y( s
    1.genMDX_ox4.py
    & ^+ H3 K4 B( k3 j. h! ?  R3 Y& ]+ J$ @7 v6 N. q0 F
    (1)注释掉前三行# -*- coding: GBK -*-  # coding: utf-8  # encoding=utf8,解决SyntaxError: encoding problem: GBK
    : J, C+ Q- g' W& B
    / S5 e) b& A2 l- U- M' @(2)注释掉import sys  reload(sys)  sys.setdefaultencoding('utf-8'),python3不需要了
    . U. K& V: V- j5 C9 g7 Z  m
    * y1 C+ a/ g" B1 F! x* k) L. N(3)打开、写入的文件加上当前路径(import os;current_path = os.path.dirname(__file__);current_path+"/OALD4_azure.txt",),解决No such file or directory:
    & r  r: r: T$ `: l' ?$ m( @
    ) g9 H4 F' O. _7 ~* H4 n6 P(4)大神提示OALD4_azure.txt、about_OX4.txt使用utf-8格式。我试了下,两个文件转换为gb2312,代码修改为encoding='ANSI',也可以成功。另外,goldendict可以打开这两种编码的mdx,mdictpc版只能打开ANSI编码的mdx文件。0 n& l- t& H. e4 _

    . F; }& B: Z: w2 D& @) L: p2.writemdict.py
    3 ^1 ^/ u0 C1 S9 E: p; _8 {8 O7 b: o+ B7 ]6 w
    修改 from cgi import escape为 from html import escape,解决cannot import name 'escape' from 'cgi' ,因为python3 cgi.py里面已经没有escape了。换成html,可以用,暂未发现问题。

    评分

    1

    查看全部评分

  • TA的每日心情
    无聊
    2023-12-27 22:43
  • 签到天数: 500 天

    [LV.9]以坛为家II

    发表于 2019-12-6 14:19:04 | 显示全部楼层
    我的是Python3.7的,genMDX_ox4.py文件里面的
    / _: u- s6 x+ G" R) ~% limp.reload(sys)改为:; D3 b4 `* u; l3 s" m7 d/ [
    import importlib
    # }4 J5 Q2 w6 f% }; w1 B, @! R2 fimportlib.reload(sys)
    8 g3 I1 b* I; v( D' [; c1 J然后删掉:sys.setdefaultencoding("utf-8")& L+ ]  }0 G* S( L6 F; G
    测试通过。
    ) P& I6 I* p3 D: s( v1 u! O
    7 u% x9 r- S; _" v, q但是生成的词典,用SourceEditor打不开,PC版GoldenDict,安卓版欧路可以打开。汇报完毕。

    评分

    1

    查看全部评分

    该用户从未签到

    发表于 2023-3-9 22:28:50 | 显示全部楼层
    好的,感谢老铁啊

    该用户从未签到

    发表于 2023-3-8 14:04:03 | 显示全部楼层
    感谢大神分享
  • TA的每日心情
    慵懒
    2023-10-11 10:27
  • 签到天数: 198 天

    [LV.7]常住居民III

    发表于 2023-2-14 11:51:09 | 显示全部楼层
    感谢楼主分享

    该用户从未签到

    发表于 2022-12-30 17:34:07 | 显示全部楼层
    谢谢高手无私分享这么好的教程
  • TA的每日心情
    开心
    2021-11-18 11:26
  • 签到天数: 3 天

    [LV.2]偶尔看看I

    发表于 2022-12-28 10:39:48 | 显示全部楼层
    试试看,谢谢大佬
  • TA的每日心情

    2022-5-16 09:51
  • 签到天数: 208 天

    [LV.7]常住居民III

    发表于 2019-12-9 09:53:05 | 显示全部楼层
    反馈个问题,直接跑大佬的源码,在mac上会报如下错误:1 u: |' k- w7 i6 ?2 u9 D6 I3 _
    Traceback (most recent call last):
    : F0 b9 |8 I7 U$ d3 P  File "genMDX_ox4.py", line 14, in <module>: ]7 ~% f' o5 I" a! W& t# D
        reload(sys)/ W8 E% [& l! ^5 f2 j" ^; r1 u
    NameError: name 'reload' is not defined8 z5 V  P. g5 C$ X2 N

    7 f; ~- R/ H! Z解决:# p5 \7 W- d* R2 F1 ?6 P
    注释掉文件line14和line15,即可

    点评

    应该是python3和python2.7的区别  发表于 2019-12-9 10:15

    评分

    1

    查看全部评分

  • TA的每日心情
    慵懒
    2023-1-18 13:13
  • 签到天数: 539 天

    [LV.9]以坛为家II

    发表于 2019-10-9 08:44:33 | 显示全部楼层
    谢谢L大,等了1年了。
  • TA的每日心情
    无聊
    2023-6-6 10:30
  • 签到天数: 2 天

    [LV.1]初来乍到

    发表于 2023-3-29 17:40:05 | 显示全部楼层
    谢谢大佬 都是好东西来晚了 就看到要关站
  • TA的每日心情
    开心
    2023-2-21 17:06
  • 签到天数: 227 天

    [LV.7]常住居民III

    发表于 2019-10-9 06:37:56 | 显示全部楼层
    先收藏再研究,谢谢分享
  • TA的每日心情
    无聊
    2021-8-13 07:38
  • 签到天数: 195 天

    [LV.7]常住居民III

    发表于 2019-10-9 07:00:20 | 显示全部楼层
    thanks a lot
  • TA的每日心情
    开心
    2018-8-8 03:13
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-10-9 07:09:48 | 显示全部楼层
    感謝 lgmcw 兄:  G: K  y- O, A" L5 C# E
    分享
    【支持超大文件】Python打包MDX词典工具
    ( R. T: o% v' k1 J
    非常需要此超大文件打包, 有的文件再合併後再用 mdxbuilder 打包MDX弄不出來1 f" i; m( w% ^" d; z
    謝謝仁兄分享此重量級工具
    : p0 o1 _- c; i1 I8 k( D7 I6 d
  • TA的每日心情
    擦汗
    2022-5-20 11:41
  • 签到天数: 222 天

    [LV.7]常住居民III

    发表于 2019-10-9 07:54:53 | 显示全部楼层
    謝謝分享資源
  • TA的每日心情
    开心
    昨天 08:02
  • 签到天数: 2745 天

    [LV.Master]伴坛终老

    发表于 2019-10-9 08:05:03 | 显示全部楼层
    好东西,学习学习,谢谢楼主分享技术
  • TA的每日心情
    开心
    2020-1-5 08:04
  • 签到天数: 50 天

    [LV.5]常住居民I

    发表于 2019-10-9 08:19:19 | 显示全部楼层
    謝謝分享此重量級工具,感谢 !

    点评

    如果是古籍文献,有可能需要用UTF-16。要自己摸索一下修改入口文件。  发表于 2019-10-10 01:04
  • TA的每日心情
    开心
    2022-1-21 00:52
  • 签到天数: 699 天

    [LV.9]以坛为家II

    发表于 2019-10-9 08:28:06 | 显示全部楼层
    学习,谢谢楼主分享技术,争取以后逐步从小白玩家进化到硬核玩家。
  • TA的每日心情
    无聊
    2020-12-19 21:10
  • 签到天数: 21 天

    [LV.4]偶尔看看III

    发表于 2019-10-9 09:06:01 | 显示全部楼层
    谢谢l大,准备考研结束后就折腾折腾
  • TA的每日心情
    奋斗
    2021-3-15 08:06
  • 签到天数: 585 天

    [LV.9]以坛为家II

    发表于 2019-10-9 09:07:57 | 显示全部楼层
    非常感谢你的分享。
  • TA的每日心情
    奋斗
    2023-2-19 20:22
  • 签到天数: 682 天

    [LV.9]以坛为家II

    发表于 2019-10-9 09:21:53 | 显示全部楼层
    好东西 谢谢分享
  • TA的每日心情
    无聊
    2022-9-25 21:09
  • 签到天数: 1136 天

    [LV.10]以坛为家III

    发表于 2019-10-9 09:30:46 | 显示全部楼层
    請問 mdxbuilder 目前能處理的文檔大概是多大?
  • TA的每日心情

    2019-9-20 08:37
  • 签到天数: 214 天

    [LV.7]常住居民III

    发表于 2019-10-9 10:06:07 | 显示全部楼层
    还是可以指定输入文件的命令行方式不较好/ z. T3 z" R( d7 f, b$ O+ L
    比如 python genMDX.py source.txt about.txt
  • TA的每日心情
    擦汗
    2025-3-22 20:43
  • 签到天数: 314 天

    [LV.8]以坛为家I

    发表于 2019-10-9 10:14:53 | 显示全部楼层
    emmm论坛有个excel转mdx的工具很不好用。。。
  • TA的每日心情
    开心
    2023-9-27 20:45
  • 签到天数: 847 天

    [LV.10]以坛为家III

    发表于 2019-10-9 16:54:33 | 显示全部楼层
    感谢分享,看看,学习一下
  • TA的每日心情
    奋斗
    2020-11-15 11:37
  • 签到天数: 249 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-10 01:02:33 | 显示全部楼层
    HMPT 发表于 2019-10-9 10:06
    / n8 g3 Y9 e3 p" v# F还是可以指定输入文件的命令行方式不较好
    7 {( U/ D2 h$ }% O比如 python genMDX.py source.txt about.txt ...
    - E* b" i' \6 l; C! _
    这个其实改一下入口文件就能实现,应该不难的。
  • TA的每日心情
    奋斗
    2020-11-15 11:37
  • 签到天数: 249 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-10 01:03:25 | 显示全部楼层
    本帖最后由 lgmcw 于 2019-10-10 01:58 编辑
    7 `1 k- f/ n( ~
    oversky 发表于 2019-10-9 09:30
    . L, c, q3 z% b# t. S% X, y請問 mdxbuilder 目前能處理的文檔大概是多大?
    ) h8 Z& o. ?: A* i1 P; k: m; R
    你可以咨询一下@喬治兄 ,他可是屡屡遇到上限。
  • TA的每日心情
    无聊
    2022-9-25 21:09
  • 签到天数: 1136 天

    [LV.10]以坛为家III

    发表于 2019-10-10 07:27:37 | 显示全部楼层
    lgmcw 发表于 2019-10-10 01:03
    $ C- Y; u5 r2 R2 Y& E/ G你可以咨询一下@喬治兄 ,他可是屡屡遇到上限。

    : d8 t# V# \' \" e# m3 p! b& Y+ N谢谢您的指引。

    该用户从未签到

    发表于 2019-10-10 11:24:07 | 显示全部楼层
    很有用的工具
  • TA的每日心情
    开心
    2021-4-24 17:14
  • 签到天数: 119 天

    [LV.6]常住居民II

    发表于 2019-10-10 11:45:08 | 显示全部楼层
    非常感谢分享!
  • TA的每日心情
    奋斗
    2020-11-15 11:37
  • 签到天数: 249 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-12 12:38:31 | 显示全部楼层
    喬治兄 发表于 2019-10-9 07:09
    % K6 W2 |! ^8 Z4 d# N感謝 lgmcw 兄:) ~2 ]0 J( h8 \
    分享  
    : ~2 J8 V4 u* h# L. \! N: y- d非常需要此超大文件打包, 有的文件再合併後再用 mdxbuilder 打包MDX弄不出來
    0 O2 K0 c% i1 i( b& i; W1 D( d7 c
    兄弟可测试通过,此工具可还好用?
  • TA的每日心情
    开心
    2018-8-8 03:13
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-10-12 12:48:11 | 显示全部楼层
    lgmcw 发表于 2019-10-12 12:38+ N7 I) [) m8 ^2 J% Y, \9 W
    兄弟可测试通过,此工具可还好用?
    - ]* G+ Z. X; }  O. Y* L9 q
    謝謝 lgmcw 兄關心,小弟還未試呀,小弟會盡快試試,若有困難再向仁兄請益,謝謝啦!
  • TA的每日心情
    开心
    2019-3-26 21:36
  • 签到天数: 178 天

    [LV.7]常住居民III

    发表于 2019-10-12 15:33:11 | 显示全部楼层
    本帖最后由 流星冲击 于 2019-10-12 15:37 编辑 4 N. L! [$ `/ M6 ~! m# d

    , a1 r2 U" {% C9 T5 z" I. a, j- X1. 在代码里,以前一个字典的key只能对应唯一个value。而MDict完全支持多个相同词头对应多个意思。所以我改了代码,让一个字典的key可以对应多个value。
      K; W! X6 J0 r1 U- F$ o( U
    3 T6 B- L% ]0 c之前我和zzzz_sleep讨论过“以前一个字典的key只能对应唯一个value”的问题,他给出的方法是让类Mdict套壳的软件/app的作者去解决,例如用@@@link和a href=词头#锚跳相混合实现查询多个value的方式(具体zzzz_sleep给出的代码的用法我也忘记了,不过印象中还是基于一个key对应一个value的用法),现在楼主这个工具直接从代码层修改一个key对应多个value,这个要给个赞!! U: G) k7 Q$ k; f

    % X- \- ^* t4 w- ^2. 修改排序算法,原版是用的默认python排序,输出的文件在MDict简直不能查。GD勉强能查。
    % D$ v5 z; O. @$ b0 ^# J. D0 g
    ' r: X: S3 ^) o1 k( y1 a# Q  Z我没用Mdict_PC来查询生成的mdx,对于GoldenDict,我看了某些帖子的说法,GD是全部提取mdx的headwords为一个缓存文件而不依赖原生的mdx算法的排序的,相同词头(例如a和A)是以类似多本词典联合查询单词的方式在一个页面内列出所有a和A词头的内容的,如果GD不依赖原生的mdx算法排序,楼主说“GD勉强能查”是单词基本能查询,不过不按照Azure排序(dot,doT,dOt...)这样排列下来?
    / M# x4 J9 j  |3 Q手机端的app,以Azure排序,单本词典查询的模式下,安卓mdcit和平典app(平典app可能有些带符号的单词查不到什么的,平典以前的国庆版本就查不到楼主你用python生成的新牛津v2.3.0 beta的单词词头)查询是完美支持这种排序的,而不是原生A再到a这样下来。深蓝dict不能单本词典模式查词,所以不能看到多个a和A,a和A的内容会挤在一个界面,由于不能单本查词,ff大的朗文5++ v1.3.5的气球在滑动单词页面时不能固定在右下角(直接在单词页面最右下角,对于长内容,需要滑动到页面最底部)。欧路app未测试。
    您需要登录后才可以回帖 登录 | 免费注册

    本版积分规则

    小黑屋|手机版|Archiver|PDAWIKI |网站地图

    GMT+8, 2025-7-14 13:42 , Processed in 0.032079 second(s), 31 queries .

    Powered by Discuz! X3.4

    © 2001-2023 Discuz! Team.

    快速回复 返回顶部 返回列表